1.skywalking 安装和使用
2.分布式链路追踪之SkyWalking详解和实战
3.SkyWalking Agent 探针实现原理
4.SKYWALKING简介和部署方案
5.Skywalking8.9.1源码解析<一>-Skywalking简介及系统架构解析
6.Skywalking源码探针启动

skywalking 安装和使用

       SkyWalking是一款针对分布式系统的国产APM（Application Performance Monitoring，应用性能监控）产品，主要针对微服务、Cloud Native和容器化（Docker、Kubernetes、Mesos）架构的应用。SkyWalking的核心是一个分布式追踪系统，目前已进入Apache 。

        要通过SkyWalking将Java应用数据上报至链路追踪控制台，首先需要完成埋点工作。SkyWalking既支持自动探针（Dubbo、gRPC、JDBC、OkHttp、Spring、Tomcat、Struts、Jedis等），也支持手动埋点（OpenTracing）。本文介绍安装和自动动埋点方法。

        成功会看到如下信息

        只需关注如下内容，原配置文件的其他内容无需更改

        修改的内容为

        在日志中

        看到Started @ms表示启动成功

        在应用程序的启动命令行中添加-Dskywalking.agent.service_name参数。

        在{ JETTY_HOME}/start.ini配置文件中添加以下内容：

        linux下 在 tomcat/bin/catalina.sh 第一行添加以下内容：

        Windows下在 tomcat/bin/catalina.bat 第一行添加以下内容：

分布式链路追踪之SkyWalking详解和实战

       SkyWalking是探针一个分布式系统应用程序性能监控工具（APM），由华为开发者吴晟于年主导开源。源码该项目于年加入Apache孵化器，探针专为微服务、源码云原生架构和基于容器（Docker、探针K8s、源码javaee网站源码下载Mesos）架构而设计。探针核心功能包括服务、源码实例和端点指标分析，探针问题分析，源码服务拓扑，探针依赖分析，源码服务检测，探针性能优化，源码链路追踪，探针数据库监控，以及服务告警等。

       SkyWalking的架构设计分为客户端和服务器端。客户端是agent组件，基于探针技术采集服务相关信息并上报给Skywalking的数据收集器。服务端包括OAP（可观测性分析平台）、Storage（存储介质）和WebUI（图形化界面）。OAP负责接收数据，分析和存储数据，并提供查询API。Storage默认使用H2，但支持ElasticSearch、mysql等其他存储介质。WebUI提供可视化界面展示跟踪数据和指标数据。

       SkyWalking采用组件式开发，易于扩展，包括Skywalking Agent（链路数据采集）、Collector（链路数据收集器）、Storage（数据存储）和UI（Web可视化平台）。SkyWalking Agent负责采集数据并提交给OAP，通过配置文件指定OAP地址。应用程序接入SkyWalking只需在启动时通过-javaagent指定agent组件。

       部署SkyWalking时，通过Docker安装OAP和UI，并配置存储介质和访问地址。应用程序接入SkyWalking时，通过修改启动参数指定SkyWalking的python源码阅读pdfagent组件。SkyWalking UI监控视角包括指标介绍，如Apdex Score（用户满意度）、cpm（每分钟请求数）、SLA（服务等级协议）和Percent Response（百分位数统计）。热力图显示请求数和响应时间，帮助直观分析平台性能。

       配置应用告警时，SkyWalking提供告警规则和Webhook功能。告警规则定义如何触发度量警报，Webhook则指定当警告触发时通知的服务终端。告警规则配置包括规则名称、度量名称、实体名称、阈值、操作符、时间窗口、告警次数和沉默期等。邮件告警实践包括配置webhook接口，创建邮件发送配置类和接收告警通知的控制器，然后打包部署到服务器。

       项目自动化部署接入SkyWalking时，整体思路包括修改微服务启动参数加入agent组件，利用Dockerfile添加agent启动参数，上传agent组件到服务器，并在jenkins中修改项目配置以实现目录映射。

SkyWalking Agent 探针实现原理

       分布式链路追踪是Google在年针对内部的Dapper系统发表的论文中提出的一种技术。Dapper强调了两个基本要求：广泛的覆盖面和持续的监控服务。系统的目标是为了提供稳定的、应用级透明的监控组件，降低资源消耗，实现可扩展性和开放性，以适应大型企业的复杂需求。这些设计目标确保了分布式链路监控系统在面对庞大且复杂的服务架构时，能够实现高效、稳定且全面的监控。

       在Java环境中，方法增强是实现对调用链监控埋点的关键步骤。Java提供了多种方法来实现增强，包括硬编码、动态代理和字节码增强等。应用级透明意味着监控系统应当以基础通用的源码是不是代码方式提供给开发者，而无需他们关心其内部实现。因此，方法增强通常会涉及到对方法的拦截和扩展，以收集调用链路信息。

       低开销是分布式链路监控系统的一个重要考量因素。为了实现这一目标，监控组件的设计应尽量减少对业务主链路的影响。这意味着不仅要降低增强方法的消耗，还要优化网络传输和数据存储的消耗，以减少额外数据的产生和传输。OpenTracing规范提供了一个通用框架，用于描述分布式系统中的事务语义，而Dapper将请求按照三个维度（Trace、Segment、Span）划分为模型，形成了这一规范。

       在OpenTracing的框架下，一次用户请求的调用链路可以被清晰地表示为Trace、Segment和Span三个层次。每个请求都有唯一的id，用于标识其时间、来源和特定信息。通过将请求划分为这三个层次，系统可以更有效地描述它们之间的关系，并通过特定的标识符（如RpcId）来表示跨进程传输中的顺序和嵌套层次。

       跨进程传输的实现依赖于将Trace信息进行分段收集，每个应用（Segment）的数据仅包含必要的简短信息，如traceId和rpcid，以实现最小的跨进程传输。服务端收集的数据同样分段到达，但由于可能存在的乱序和丢失情况，系统设计了通过rpcid还原调用树的机制，以确保即使部分数据缺失，也能恢复完整的调用链。

       方法增强是分布式链路追踪系统的核心，它涉及在运行时对方法进行动态修改，以实现监控埋点。SkyWalking等工具提供了核心的字节码增强能力，并支持插件化方式，允许开发者为使用到的中间件自定义插件，以实现监控埋点。树莓派led源码字节码增强类库，如cglib、Javassist、Jdk Proxy和Byte Buddy，提供了实现方法增强的技术手段。Byte Buddy因其高性能、易用性和功能强大而受到青睐，其性能在字节码增强类库中表现优秀。

       综上所述，SkyWalking Agent 探针的实现原理涵盖了分布式链路追踪的基本需求、应用级透明的设计、低开销的实现、可扩展性和开放性，以及字节码增强技术的运用。通过这些技术手段，SkyWalking Agent能够有效地监控分布式系统中的调用链路，提供全面、高效的监控解决方案。未来章节将深入分析SkyWalking Agent的具体代码实现逻辑，以帮助理解其内部工作原理。

SKYWALKING简介和部署方案

       SkyWalking 是一个开源的可观测性平台，特别针对云原生和容器化分布式系统设计。它的目标是帮助用户收集、分析并可视化来自多语言服务（如Java、C#、Node.js等）和云基础设施的数据，实现跨云的系统监控。它提供了一个全面的解决方案，适用于现代APM的需求，包括自动仪器代理和对服务网格数据的支持。

       SkyWalking的核心功能包括服务实例级别的可观察性，例如服务、服务实例和端点的拓扑关系，以及实时指标监控和警报规则设置。从v9版本开始，引入了Layer概念，将实例归类到操作系统层、Kubernetes层等抽象框架，以更好地表示实例运行环境。

       SkyWalking的架构分为探针、平台后端、源码安装xinetd启动存储和UI四个部分，探针采用轻量级设计，依赖网络通信框架如gRPC，以减少库冲突和VM负载。平台后端则构建在自有的轻量级框架上，简化部署和维护。SkyWalking的核心团队提供了丰富的默认功能，但为了适应不同场景，也支持插拔式功能扩展。

       SkyWalking支持多种部署环境，包括使用传统注册中心、RPC框架、服务网格、云服务以及跨云部署。同时，它与Zipkin、Jaeger等其他开源系统兼容，便于用户数据互操作。当前版本为9.2.0，支持各种数据库和网络分析，如Zipkin兼容、PostgreSQL和Elasticsearch。

       安装SkyWalking时，需要考虑数据库支持、端口设置和后端配置，如使用Nacos作为注册中心的集群安装。Java代理的安装则涉及特定的包和设置，具体配置可参考附录。整体而言，SkyWalking提供了一个灵活、易用的可观测性管理工具，适应各种分布式系统的监控需求。

Skywalking8.9.1源码解析<一>-Skywalking简介及系统架构解析

       Skywalking 8.9.1源码解析系列旨在深入探讨该版本的Skywalking-OAP及其探针Skywalking-java8.9.0。本文基于官方文档、博客和个人理解，对Skywalking进行简介和系统架构解析。

       Skywalking是一款强大的分布式追踪系统，提供详尽的UI界面，可通过OpenTrace官方文档了解其Trace概念。核心功能包括性能监控和分布式追踪，以帮助开发者理解和优化应用程序的性能。

       Skywalking的代码模块构建在微内核架构上，这种架构允许通过插件形式扩展核心功能，如IDEA和Eclipse的插件模式。SkyWalking Agent和OAP都采用微内核架构，利用ModuleManager管理组件和ModuleProvider，实现模块间的高效通信和功能扩展。

       在通信方面，Skywalking探针和服务器主要通过Grpc进行数据交换，考虑到性能和数据丢失风险，有人提议用Kafka替代，但官方仅支持Grpc和SSL。Skywalking UI与后端的交互采用GraphQL，尽管restful更为常见，但GraphQL提供了更灵活的数据获取方式。

       存储方面，Skywalking支持模块化存储选择，官方推荐内存数据库Es，但在线上环境中可能需要特定数据库支持。本地开发环境通常使用Mysql，生产环境将根据需求进行选择。数据库表结构会在后续文章中详细讨论。

       数据流方面，Skywalking的数据经过OAL处理后入库，OAL层的具体作用官方未明示，但可能是为了进一步处理和优化数据。本文从整体架构深入到细节，助力需求文档和开发文档的完善。

Skywalking源码探针启动

       深入SkyWalking

       SkyWalking探针是集成到目标系统中的代理或SDK库，负责收集遥测数据，包括链路追踪和性能指标。探针的实现方式基于目标系统的技术栈，尽管方式各异，但核心功能一致：收集并格式化数据，然后发送到后端。

       Skywalking Java Agent采用Java premain作为其技术方案。该方案在启动时挂载，相比以agentmain挂载的方式更为灵活，但受限于不能修改父类、接口和字段等。Skywalking Agent整体结构采用微内核设计，核心代码为apm-agent-core，负责启动、加载配置、加载插件、修改字节码、记录调用数据并发送至后端。apm-sdk-plugin模块则是特定中间件的插件，遵循Skywalking插件规范，Maven模块化集成即可。

       Skywalking的启动流程基于java-agent，核心启动方法为premain。主要步骤包括初始化配置、加载所有配置、加载插件、查找并转化插件定义为增强类、创建ByteBuddy实例、进行字节码增强、创建边缘类集合、处理跨模块类访问问题、保存修改后的字节码以及启动服务并注册关闭钩子。

       总体而言，SkyWalking探针的启动流程通过预定义的代码结构和机制，实现了高效的远程监控和性能分析，为开发人员提供了强大的工具来优化和管理复杂应用系统。

SkyWalking和OpenTelemetry的Nodejs探针安装评测

       对比评测OpenTelemetry和SkyWalking的Nodejs探针

       OpenTelemetry提供了一套API、库、代理和工具，旨在收集应用程序的追踪数据、度量指标和日志。它支持多种编程语言，包括Nodejs，为开发者提供了统一的方式来收集和发送遥测数据。SkyWalking则是一个开源的应用性能监控系统，具备全面的观测能力，包括服务拓扑图、性能度量、追踪分析和告警功能。它同样支持多种语言和框架，能有效监控分布式系统中的复杂交互。

       在安装SkyWalking的Nodejs探针时，可以从GitHub的SkyWalking项目页面获取详细信息。SkyWalking NodeJS SDK需要SkyWalking后端(OAP)版本8.0以上以及NodeJS版本大于，确保系统环境满足要求后，使用npm安装SDK，并引入SDK并启动监听程序。SkyWalking追踪信息收集器分为gRPC和HTTP两个，其中gRPC用于后端服务，HTTP默认端口为。在安装完成并运行SkyWalking后端服务后，通过配置gRPC的接收服务和对外端口号，即可实现SkyWalking Nodejs探针的基本部署。

       评测SkyWalking-backend-js的日志上报效果，首先需要运行SkyWalking的后台服务并开通对外端口号的授权。通过实际操作，我们得出了使用SkyWalking进行日志上报的具体效果。在常规数据分析和虚拟数据库分析中，SkyWalking展现了其强大的监控能力。

       关于SkyWalking-backend-js探针的拓展能力，需要注意的是，该探针主要是为Apache SkyWalking后端设计的，因此不支持将数据上报到其他服务。若需拓展探针功能，首先应了解SkyWalking agent收集的数据格式和协议，确保目标服务能正确接收和处理这些数据格式。

       对于Open-Telemetry中的Nodejs探针安装，其文档明确指出探针需在应用代码执行前进行安装配置。使用`–require`标志是常见的安装工具之一。创建一个名为`instrumentation.ts`或`instrumentation.js`的文件，用于封装安装配置代码。错误在于未按照文档要求在`app.js`之前运行安装代码，导致安装失败。正确的做法是先创建`otel.js`文件，将其引入`app.js`文件中进行初始化。安装完成后，可采集到有效的数据，实现探针的正常工作。

       在拓展能力方面，Open-Telemetry的Nodejs探针与SkyWalking有所不同。SkyWalking探针功能相对受限，而Open-Telemetry的探针则提供了一种上报协议，允许向任何支持OTEL日志解析的后端服务进行数据上报。若已具备接收并处理OTEL日志的后端服务，可直接调用相关API进行数据传输。

       综上所述，SkyWalking和Open-Telemetry的Nodejs探针在部署和使用上各有特点。SkyWalking提供了一站式监控解决方案，包括后端分析服务，而Open-Telemetry则更侧重于数据采集协议的灵活性和兼容性。选择哪一种探针取决于具体项目需求和系统环境。

从分析 SkyAPM-dotnet 源码学习现代 APM 探针设计理念（一）

       在后端软件行业的快速变迁中，从SOA到微服务、从业务一体化到中台战略、从虚拟化到云原生，技术更新速度日新月异。这种变革背后的核心动力在于硬件发展的瓶颈，促使行业转向追求软件的规模化效益。现代后端软件工程师面临的挑战之一是如何对服务性能有全面的理解，而APM（Application Performance Monitoring）工具成为了解决这一问题的关键。

       APM的基本构成包括指标性统计、分布式追踪和日志记录。指标性统计，如服务的吞吐量、成功率、流量等，是对单个指标或数据库的分析。分布式追踪则关注一次请求的全过程，从客户端发起到服务完成，甚至涉及业务流程，如商品订购流程，追踪请求的流转轨迹。日志记录则是程序运行过程中产生的信息收集，提供实时的事件记录。

       随着技术的发展，性能监控工具的使用变得越来越普遍。早期，开发人员可能需要自己构建监控系统，但这既耗时又费力。SkyWalking等APM系统应运而生，旨在简化性能监控的实现，减少重复工作。

       在SkyWalking中，dotnet探针的设计遵循核心规范。dotnet探针主要基于DiagnosticSource实现，这提供了一种消息的生产者消费者模型，使得事件可以在任意地方被接收。微软官方库中，如HttpContext、HttpClient、SqlClient等，都预留了性能打点，以捕获关键事件。第三方库如gRPC、CAP、SmartSql也提供了同样的功能。

       开发人员可以通过适配SkyWalking，为自己的库添加性能打点，即向DiagnosticSource发送事件信息。这涉及到创建自定义采集器，监听特定事件，并将数据发送到数据中心。

       探针的核心代码在于监听消息，其关键在于DiagnosticListener，它实现了消息的监听与数据的上报。监听的事件由特定的Processor负责处理，这些Processor实现了ITracingDiagnosticProcessor接口，具体负责数据的收集与转换。

       两个有代表性的Processor示例展示了如何实现这一过程。一个针对AspNetCore请求管线，监听并收集请求相关的事件；另一个是针对System.Net下的通用httpclient，同样监听特定事件，以构建完整的请求上下文，并生成标准的tracing信息。

       通过安装SkyWalking并加入探针，后端服务的性能数据将被收集并上传至OAP平台进行分析，最终提供直观的APM信息。这一过程不仅简化了性能监控的实施，还极大地提高了数据分析的效率与准确性。建议读者亲自尝试安装SkyWalking，体验探针在实际服务中的应用。